我國社區衛生服務水平的綜合評價

隨著我國老齡化、城鎮化等社會結構的轉變，我國居民的基本健康需求增長迅速。但是我國優質醫療資源主要集中在經濟發達地區的醫院，基層醫療衛生機構比較缺乏優質資源[1]，特別是西部地區的醫療服務水平與能力不能滿足群眾日益增長的醫療衛生需求，給“健康中國”建設帶來一定挑戰。為合理利用醫療資源，方便城鄉居民就近就醫，《中共中央國務院關于深化醫藥衛生體制改革的意見》指出，要完善以社區衛生服務為基礎的新型城市醫療衛生服務體系，加快建設以社區衛生服務中心為主體的城市社區衛生服務網絡，完善服務功能，以維護社區居民健康為中心，提供疾病預防控制等公共衛生服務、一般常見病及多發病的初級診療服務、慢性病管理和康復服務[2]。此外，我國正大力推行醫聯體建設[3]。通過整合區域醫療資源、改善基層醫療衛生機構就醫環境與技術條件，提高基層醫療服務能力[4-5]。

社區衛生服務中心作為醫療衛生服務體系的重要組成部分，發揮著不可替代的作用[6]。本文運用因子分析法對我國社區衛生服務機構整體資源及服務能力的相關指標進行分析，以期對我國省級區劃層面的社區衛生服務水平進行科學的評估和判斷，為衛生健康事業發展及醫改決策提供參考。

1 資料和方法

1.1 數據來源

本文從國家衛生健康委員會編制的《2018中國衛生健康統計年鑒》[7]中提取反映2017年度我國31個省(自治區、直轄市)社區衛生服務中心情況的統計數據。依據“社區衛生服務中心服務能力評價指南”(2019年版)選取10個相關指標分別為：社區衛生服務中心個數X1、診療人次X2、入院人數X3、社區衛生服務中心床位數X4、病床使用率X5、平均住院日X6、醫師日均擔負診療人次X7、取得全科醫生培訓合格證書人數X8、每萬人口全科醫生數X9、家庭衛生服務總人次X10，其中入院人數X3、社區衛生服務中心床位數X4、病床使用率X5、平均住院日X6是以護理康復為主要功能的病床相關指標。

1.2 研究方法

利用SPSS 25.0統計分析軟件，采用因子分析法進行分析。通過KMO檢驗和巴特利特(Bartlett)球型檢驗分析并求得相關矩陣，畫出碎石圖，提取主因子并對其進行解釋，算出主因子得分及綜合排名和聚類分析。

2 結果分析

2.1 KMO檢驗和 Bartlette球形檢驗分析

一般情況下，在進行因子分析前，要先對樣本數據進行KMO檢驗和Bartlett球形檢驗。當KMO檢驗系數大于0.5或Bartlette球形檢驗的P值小于0.05時，才能進行因子分析[8]。本文中KMO檢驗統計量為0.585，Bartlett球形檢驗統計值為328.878，P<0.001，樣本數據適宜進行因子分析(圖1)。

圖1 KMO和Bartlett球形檢驗

2.2 提取主因子

通過觀察表1中各因子的相關矩陣的初始特征值、方差貢獻率和累計貢獻率，判斷哪些可以作為主因子[9]。

表1 相關矩陣的初始特征值和貢獻率

注：提取載荷平方和、旋轉載荷平方和只顯示主因子數據

如表1所示，第一個因子的初始特征值為5.241，解釋這10個原始變量總方差的52.414%；第二個因子的初始特征值為1.949，解釋這10個原始變量總方差的19.492%，累計方差貢獻率為71.906%；第三個因子的初始特征值為1.403，解釋這10個原始變量總方差的14.026%，累計方差貢獻率為85.932%。這3個因子的特征根都大于1，其累計方差貢獻率等于85.932%，超過70%，意味著這3個因子包含了這10個變量中85.932%的信息。同時結合總方差解釋表的碎石圖(圖2)，特征值所處的坡度越陡峭，該因子對總體信息的反映情況占比越高。前3個特征值所處的坡度較陡峭，從第四個指標開始坡度變平緩，因此選取前3個因子作為主因子進行分析。

圖2 碎石圖

2.3 對主因子的解釋

我們用主成分分析法建立了初始因子載荷矩陣[10]，但其對原始變量的解釋效果不明顯。為了使因子含義更清楚，我們通過對方差最大化正交旋轉，建立了旋轉后的因子載荷矩陣[11]。

如表2所示，兩個空白處是表示相應載荷小于0.3，可以看出各因子在各變量上的影響程度。家庭衛生服務總人次數、社區衛生服務中心數、入院人數、取得全科醫生培訓合格證數的人數主要由第一主成分解釋，每萬人口全科醫生數、醫師日均擔負診療人次、診療人次、平均住院日主要由第二主成分解釋，病床使用率、社區衛生服務中心床位數主要由第三主成分解釋。與第一因子聯系密切的是和衛生服務利用狀況、基礎設施與人才水平有關的指標，可以命名為“基礎設施應用服務因子”；與第二因子聯系密切的是和基層診療服務效率有關的指標，可以命名為“效率因子”；與第三因子聯系密切的是和基層醫療衛生機構病床使用率有關的指標，可以命名為“住院服務利用因子”。

表2 旋轉后的因子載荷矩陣

注：因子載荷矩陣旋轉在 3 次迭代后已收斂

2.4 主因子得分和綜合排名

表3列出了采用回歸法估算出的因子得分系數矩陣。將標準化后的樣本數據帶入綜合因子得分函數中，綜合因子得分函數為：F= F1(34.874)+ F2(31.774)+ F3(19.284)，其中34.874、31.774、19.284分別是前3個因子旋轉后的方差貢獻率，這樣就得出各個地區的綜合因子的得分。將主因子得分和綜合得分都進行排序后得到了各地區主因子得分和綜合排名(表4)。

表3 因子得分系數矩陣

表4 各地區主因子得分和綜合排名

2.5 聚類分析

以F1、F2、F3這3個主因子得分為變量，對各地區主因子得分進行系統聚類分析。聚類方法選用瓦爾德法，度量標準選用平方歐式距離區間[12]。當聚類數為4時，聚類結果見表5。

表5 各地區主因子得分的系統聚類結果

3 結果

從綜合排名情況來看，我國社區衛生服務中心服務質量和水平排名前三的分別是江蘇省、上海市和廣東省，排名最后的3個地區分別是青海省、海南省和西藏自治區；從整體情況來看，在我國的基層醫療衛生服務體系中，東部地區的社區衛生服務質量和水平最高，其次是中部地區，西部地區最低；從主因子角度來看，在基礎設施應用服務因子上，服務能力和發展水平最好的地區分別是江蘇省、廣東省，最差的地區是青海省、寧夏回族自治區；從診療效率服務因子來看，社區衛生服務診療質量和水平最好的地區分別是上海市、浙江省，最差的地區分別是重慶市、湖南省；從住院服務利用因子情況來看，社區衛生服務中心護理康復病床使用情況最好的地區是上海市、重慶市，排名靠后的地區是浙江省和西藏自治區。

4 討論

4.1 社區衛生服務的資源分布存在地域差異

根據地區綜合得分和基礎設施應用服務因子來看，我國社區衛生服務中心的資源分布存在地域差異，東部發達地區社區衛生服務機構數量多且服務質量高，中部地區次之，西部地區社區衛生服務發展相對薄弱，因此可以反映出社區衛生服務質量水平和地區的經濟發展水平存在一定關系[13]。東部發達地區的優質醫療資源充足，醫療機構之間競爭激烈，服務質量與水平較高；中西部欠發達地區優質資源基本集中于大醫院，基層醫療機構缺乏優質資源，基層醫療機構數量與水平不足。對醫療資源不太充足的中西部地區，從政策層面自上而下地調整醫療資源配置，持續發展與完善分級診療制度，健全醫聯體建設的相關政策。

4.2 社區衛生服務機構缺乏優秀人才

從效率因子上來看，重慶市和湖南省等地區的診療效率表現較差，這與當地經濟水平不如上海市、北京市、浙江省等地區，政策扶持較弱，對人才的吸引力弱有關，優質人才更愿意往經濟發達且政策扶持力度大的地區發展。此外，我國全科醫生培養體系滯后，導致全國范圍內能真正滿足基層醫療需求的全科醫師相對較少，少而尖的全科醫生則選擇去經濟發達地區發展。對于經濟水平一般的地區，應該加強政策扶持，建立科學合理的人才引入機制，提高全科醫生的待遇，優化基層醫師的基礎性和獎勵性績效工資比例，提高對基層醫務人員的基本保障，提高對人才的吸引力。

4.3 社區衛生服務機構的醫療隊伍整體專業素養不高

從住院服務利用因子來看，病床使用情況表現較差的有西藏自治區和浙江省等。進一步分析發現，西藏地區病床使用率較差的原因是西藏地廣人稀且經濟較落后，基層醫療機構數量、醫療衛生人員人數和專業素養都嚴重不足。而經濟發達的浙江等地區病床使用率較差的原因還有待進一步研究。整體來說，一方面，大部分地區高學歷水平的基層醫師所占的比例不高，系統知識儲備不夠充足，常見病、慢性病的基本護理知識相對缺乏，患者相信大醫院的服務水平，對社區衛生服務中心的康復護理服務能力不信任，從而不愿意去社區衛生服務中心使用康復護理病床服務；另一方面，上級醫院和社區衛生服務中心的信息溝通不對稱，雙向轉診渠道不暢，患者下轉到基層醫療機構困難。對此，可以對基層醫務人員進行專業技能培訓，加強專業知識的教育學習，同時加強上下級醫療機構的信息溝通，完善與落實雙向轉診制度。

5 結語

綜上所述，本文運用了因子分析的方法，根據數據內在的邏輯關系，將原始數據中的10個影響因素降為3個主因子，對原始指標的相關關系進行解釋，對不明確的因素進行分析，在一定程度上反映了當前我國各地區基層醫療衛生服務中心的服務質量和水平差異情況。通過數據歸類對各地區基層醫療衛生服務中心的基礎設施應用服務、診療質量問題和病床使用率問題進行了客觀分析，期望能對基層醫療衛生服務質量和水平的未來發展提供參考。